CN108705358A - 一种圆盘式刀库机械手位置偏差监测装置及故障预警方法 - Google Patents

Abstract

本发明公开了一种圆盘式刀库机械手位置偏差监测装置及故障预警方法，属于数控机床功能部件性能监测领域，监测装置包括机械结构和信号监测模块，针对机械手扣刀点转角、机械手扣刀点Z向位移、机械手原点转角、机械手原点Z向位移以及主轴和刀盘换刀口处是否掉刀进行监测；并提出一种基于ARMA模型的圆盘式刀库机械手故障预警方法，对机械手位置偏差指标的未来发展趋势做出预测，根据预测结果实现对圆盘式刀库机械手某种故障的预警，本技术方案可以实现对圆盘式刀库机械手位置偏差的监测及预警。

Description

一种圆盘式刀库机械手位置偏差监测装置及故障预警方法

技术领域

本发明涉及一种应用于数控机床圆盘式刀库机械手的位置偏差监测装置及故障预警方法，属于数控机床功能部件性能监测技术领域，是一种能够对圆盘式刀库机械手的原点转角、机械手原点Z向位移、机械手扣刀点转角、机械手扣刀点Z向位移及是否发生掉刀进行监测的装置以及可以预测出圆盘式刀库机械手何时发生何种故障的预警方法。

背景技术

数控机床是提高一个国家制造水平和装备水平的基础，这个基础直接影响到一个国家的经济水平和综合国力，直接关系到一个国家的国际地位。随着先进制造业的发展，我国正在逐步从一个制造大国向制造强国转变，我国的数控机床在整体质量上已经取得了很大的提高，但仍然存在一些问题，机床的可靠性较低依然是制约机床发展的一个重要因素。根据数据显示，机床的关键功能部件故障是导致国产数控机床可靠性较低的主要原因，圆盘式刀库及机械手作为加工中心的关键功能部件之一，其可靠性水平直接影响着整机的水平。刀库和机械手执行的动作多，速度快，对定位精度要求较高，在较复杂零件的加工过程中，由于频繁的更换刀具，这就使得刀库及机械手成为影响加工中心可靠性的关键环节。

圆盘式刀库作为加工中心高故障率的关键功能部件之一，具有多种故障模式，且故障发生后，需要耗费大量的时间和人力才能进行维修，且通常采用的维修方式效果都不理想，为提高圆盘式刀库的可靠性，降低其故障发生率，要对圆盘式刀库进行台架试验，建立状态监测系统实现对刀库各个性能指标的实时监测，并建立故障预警模型，提出预警方法，实现刀库的故障预警。

现有的圆盘式刀库及机械手的综合性能检测装置有很多，检测方法多样，但是采集的多为振动、电流、电压、温度及压力等一些比较常见的参量，对于机械手原点转角偏差、机械手原点Z向位移、机械手扣刀点转角偏差和机械手扣刀点Z向位移等此类性能指标的检测装置和方法则比较少见，并且对于此类性能指标的检测，往往需要多个传感器协同作用才能实现一个参量的采集，采集系统的搭建较为繁琐，检测方法较复杂，且严重浪费了资源。

圆盘式刀库的故障率较高，若发生故障则整机必须停机维修检查，严重影响生产加工效率，且针对复杂装备系统采用的维修方式多为“事后维修”和“计划维修”，两种维修方式的效果都不理想，增加维修成本甚至会造成生命安全事故。为提高圆盘式刀库的可靠性，降低其故障发生率，有必要提出一种故障预警模型。

发明内容

本发明提供一种圆盘式刀库机械手位置偏差监测装置及故障预警方法，能够对于机械手的原点转角偏差、机械手原点Z向位移、机械手扣刀点转角偏差、机械手扣刀点Z向位移以及是否掉刀进行监测，是一种针对于机械手性能指标的简易检测装置，使得每个参量采用较少的传感器协同实现监测任务，提高监测效率和精度，节省监测成本，并能实现圆盘式刀库机械手故障的预警，采用“基于状态维修”的维修方式，具体实施方式为根据当前的工作状态进行预测，制定维修策略，对圆盘式刀库机械手各项性能指标的未来发展趋势进行预测，提出维修策略，最终提高其运行可靠性。

一种圆盘式刀库机械手位置偏差监测装置，包括机械部分与信号监测部分，

其中机械部分包括地平铁1、机械主轴3、机械主轴支撑台2、激光位移传感器支架5、光电开关支架8、圆盘式刀库6、圆盘式刀库支撑台11、刀柄4、转角辅助测量块9，其中圆盘式刀库支撑台11通过螺栓固定在地平铁1的安装面上，并且圆盘式刀库支撑台11与地平铁1配合面设有U型槽，圆盘式刀库6通过螺栓固定在圆盘式刀库支撑台11右侧的安装板上，机械主轴支撑台2通过螺栓固定在圆盘式刀库支撑台11前方的地平铁1的安装平面上，且机械主轴支撑台2与地平铁1配合面具有U型槽，机械主轴3则通过螺栓固定在机械主轴支撑台2的面板上，刀柄4则插于机械主轴3上，激光位移传感器支架5固定在机械主轴3和圆盘式刀库6之间的地平铁1上，以实现对机械手各项性能参数的监测，一个光电开关支架8通过磁力吸座801连接在机械主轴3左侧的地平铁1上，且正对机械主轴3上的刀柄4，另一个光电开关支架8通过磁力吸座801连接在圆盘式刀库6右侧的地平铁1上，且正对圆盘式刀库6上的刀盘换刀口处，以实现对机械手10是否掉刀进行监测，机械手10安装于圆盘式刀库6上，转角辅助测量块9通过磁力吸座安装在圆盘式刀库6上的机械手10上，刀套7设置在圆盘式刀库6上；

激光位移传感器支架5为独立设计的龙门式支架结构，包括底板501、立柱502、桁架503、垂直安装板三504、水平安装板一505、垂直安装板二506、垂直安装板一507和水平安装板二508，其中每个底板501上开设有一个U型槽，通过该U型槽将激光位移传感器支架5螺栓连接到地平铁1上，并且通过调整底板501在地平铁1上的位置，实现整个激光位移传感器支架5在前后方向上的调整，立柱502螺栓连接在底板501上，每个立柱502上方设有高度不同的螺栓孔509，桁架503通过两个立柱502上方的螺栓孔509螺栓连接在两个立柱502之间，位于机械手10上方，桁架503通过不同高度的螺栓孔509可以在立柱502的垂直方向上调整高度，每个立柱502上均开有U型槽，其中垂直安装板三504和水平安装板一505螺栓连接在一个立柱502上的U型槽内，水平安装板二508通过螺栓紧连接在另一个立柱502上的U型槽内，各个安装板均可以实现在立柱502上垂直方向上调整高度，桁架503水平方向上开设有U型槽，垂直安装板一507和垂直安装板二506螺栓紧固在桁架503上的U型槽内，垂直安装板一507和垂直安装板二506可以在桁架503水平方向调整位置，并且垂直安装板一507、垂直安装板二506上均开有U型槽，通过调整安装板螺栓在垂直安装板一507、垂直安装板二506上的U型槽中的位置实现垂直安装板一507、垂直安装板二506在竖直方向上调整高度，通过各个传感器安装板在各个方向上的调整，确定出监测机械手性能指标的位置；

光电开关支架8包括磁力吸座801、竖直支撑杆805、水平支撑杆802、铰链804和光电开关安装板803，其中竖直支撑杆805固定在磁力吸座801上，水平支撑杆802通过铰链804安装在竖直支撑杆805上，可以实现在竖直方向上的调整，光电开关安装板803上开有两个螺栓孔，上方螺栓孔与水平支撑杆802螺栓连接，光电开关安装板803下方的螺栓孔用于安装光电开关；

信号监测部分包括激光位移传感器一14、激光位移传感器二13、激光位移传感器五12、激光位移传感器四15、激光位移传感器三16、光电开关一17和光电开关二18，其中激光位移传感器一14的感测头垂直向下安装在垂直安装板一507上，其激光束打在机械手10手臂上表面的转角辅助测量块9的斜面上；

激光位移传感器二13感测头垂直向下安装在垂直安装板二506上，其激光束打在机械手10手臂的上表面处，目的是监测机械手10在每一次完成换刀动作时，其扣刀点Z向位移与上一次换刀动作的偏差；

激光位移传感器五12竖直向上安装于水平安装板一505上，其激光束打在机械手10手臂下平面处，目的是监测机械手10每次完成换刀动作时，其原点的Z向位移与上一次换刀动作的偏差；

激光位移传感器四15、激光位移传感器三16分别水平安装于水平安装板二508、垂直安装板三504上，其激光束打在机械手10手爪端面上，目的是监测机械手10每次完成换刀动作时，其原点的转角与上一次换刀动作的偏差；

光电开关二18通过螺母紧固在连接在圆盘式刀库6右侧地平铁1上的光电开关支架8上，用于监测圆盘式刀库6换刀口处是否掉刀，光电开关一17通过螺母紧固在连接在机械主轴3左侧地平铁1上的光电开关支架8上，用于监测机械主轴3是否掉刀。

所述的圆盘式刀库6及其上的机械手10采用PLC控制。

本发明同时提供一种采用上述圆盘式刀库机械手位置偏差监测装置的圆盘式刀库机械手故障预警方法，是一种基于ARMA模型的圆盘式刀库机械手故障预警方法，通过采集圆盘式刀库机械手位置偏差的历史数据以及当前状态数据，并对原始数据进行标准化处理及平稳性检验，初步确定ARMA模型的阶数以及模型未知参数，并进行阶数优化，从而建立圆盘式刀库机械手的ARMA模型，对圆盘式刀库机械手位置偏差的未来发展趋势作出预测。

为使采集到的数据具有均值为零且服从正态分布的特性，采用标准差标准化方法对原始数据进行处理，采用自相关函数检验法对数据进行平稳性检验；采用差分运算对数据进行平稳化处理；采用自相关系数ACF、偏自相关系数PACF进行初步定阶并根据AIC准则与BIC准则进行阶数优化；采用最小二乘法进行参数估计确定最终模型；采用残差检验法对模型进行检验。

本发明方法的原理：

圆盘式刀库的换刀流程为：刀盘选刀→气缸倒刀→机械手抓刀→机械手拔刀→机械手换刀→机械手插刀→机械手回原点→气缸回刀→完成。在换刀过程中，各类传感器开始工作，测得高精度位置数值，数值通过采集卡传送给上位机，再由上位机通过Labview编程，对数值进行标定，显示和存储。通过故障预警模型对数据进行分析，最终预测出圆盘式刀库机械手何时发生何种故障，并制定相应的维修策略。

自回归滑动平均模型简称ARMA模型，是一种随机时间序列模型，可以根据历史数据和当前数据找出相关规律且拟合出相应模型，实现对未来状态的预测。若某一时间序列{X_t}具有平稳性，零均值且服从正态分布等特点，则该序列用ARMA模型如式1拟合而成。

式中m表示自回归阶数，n表示滑动平均阶数，记为ARMA(m,n)，其中为自回归系数，θ_j为滑动平均系数，序列{τ_t}为白噪声，当m＝0时，ARMA(m,n)为MA模型；当n＝0时，ARMA(m,n)为AR模型。

本方法的具体工作步骤如下：

步骤一，机械手监测指标确定

目前机械手卡刀、掉刀故障最为常见，原因是由于机械手转位不到造成的，因机械手和ATC系统输出轴采用胀套连接，由于长期的抓刀、拔刀导致胀套松动，从而导致机械手出现转位偏差，与此同时，胀套松动也会导致机械手沿Z向发生窜动；针对上述机械手故障机理的分析，确定出需要监测的指标为机械手原点转角、机械手原点Z向位移、机械手扣刀点转角、机械手扣刀点Z向位移以及是否掉刀；

步骤二，监测方法确定

针对步骤一确定出的监测指标，制定具体的监测方法以及相应的监测范围，包括机械手原点转角监测方法、机械手扣刀点转角监测方法、机械手原点/扣刀点Z向位移监测方法以及掉刀监测方法；

步骤三，对机械手各项指标进行监测

采用上述一种圆盘式刀库机械手位置偏差监测装置进行监测，调整各安装板的位置以及其他部件在地平铁上的位置，以确保监测到机械手各个性能指标，将监测机械手各项性能指标及是否掉刀的各个传感器安装到正确位置，保证传感器相对位置准确；根据步骤二的监测方法，确定出相应的传感器，包括激光位移传感器以及光电开关，并且自主设计激光位移传感器支架，保证传感器相对位置准确；

步骤四，采集信号

圆盘式刀库运转，同时打开各激光位移传感器以及光电开关，进行信号的采集，采用数据采集卡采集各传感器测量的数据，数据采集卡与上位机通过电缆相连，数据则通过电缆传输到上位机中，在上位机中以Labview编程对各个传感器监测的信号进行标定，在上位机中通过Labview编程，进行各信号的显示以及预处理，每隔一小时手动记录一次各信号的最大值，最小值及均值，为后期分析数据做准备；

步骤五，数据管理

在上位机中通过Labview编程，进行数据管理及分析界面的设定，为实现监测数据的存储，建立一套完整的SQL数据库，而数据管理模块则实现所采集数据的存储和读取，采用Labview编程实现数据采集系统与SQL数据库之间的数据传输，采集到的信号通过传输到上位机中，可观察、保存或分析所采集信号的波形，也可通过外接USB接口将数据导出，为最终圆盘式刀库机械手故障预警提供依据；

步骤六，数据处理

首先对状态监测的性能指标数据进行标准化处理和平稳性检验，若时间序列不平稳时，则对该数据通过差分运算进行平稳化处理，初步确定ARMA模型的结束以及模型未知参数从而建立ARMA模型；之后，根据模型的残差对模型精度进行检验，若检验未通过则需要对模型进行优化重新确定模型阶数以及模型参数；如果通过检验则采用该模型对圆盘式刀库机械手相应性能指标的未来发展趋势做出预测，根据预测结果实现对圆盘式刀库机械手某种故障的预测。

所述的圆盘式刀库机械手故障预警方法步骤六中数据处理包括如下步骤：

步骤一，数据标准化处理

若序列不满足零均值且服从正态分布这两个条件，因此要想使用ARMA模型建立机械手位移偏差的预警模型就必须对原始数据进行标准化处理，使得该数据服从正态分布，采用标准差标准化方法对数据进行标准化处理，标准公式见式6：

式中X_t为时间序列，表示标准化处理后的值，μ表示{X_t}序列的均值，σ为{X_t}的标准差；

步骤二，数据平稳性检验

根据上述标准化处理后，原始数据满足零均值、服从正态分布特点，但ARMA模型需保证数据平稳性，因此采用自相关函数检验法：

自相关函数检验法

从序列中抽取一个样本，样本容量为N，则该时间序列的均值可以用样本的均值进行计算：

该序列的自协方差函数如下：

样本的自相关计算公式如下：

上式中N为样本容量，X_t为t时刻的采样点，为样本均值，L为从某一时刻进行时间序列L步的预测，当L不断增大时，假如衰减速度很快且趋于零，则认为该序列平稳；如果衰减速度非常慢，则认为该序列非平稳；

平稳化处理——差分运算

当某一时间序列不平稳时，采用差分运算对序列进行平稳化处理，序列中相邻的量做减法运算称为一阶差分运算：

对一阶差分得到的序列再进行一次差分运算称为二阶差分，记为X_t的二阶差分：

以此类推，对X_t进行k阶差分，记为：

若序列具有线性趋势，一阶差分可以使序列平稳化，若序列具有曲线趋势，二阶或三阶差分可以实现序列的平稳化，从而消除曲线趋势的影响；

步骤三，模型建立

设时间序列输入为X＝{X₁,X₂,....,X_t}，其期望输出为Y_t＝{Y₁,Y₂,...,Y_t}，建立基于ARMA的故障预测模型，根据本发明原理部分中的式1则得：

式中是预测模型的输出结果，式中的未知参数为m、n决定了ARMA模型的阶数，针对模型阶数采用自相关系数ACF、偏自相关系数PACF进行初步定阶，之后根据AIC准则与BIC准则进行阶数优化，式中未知参数{θ₁ θ₂ ... θ_i ... θ_n}采用最小二乘法进行参数估计；

模型定阶

模型定阶是为了确定采用AR模型、MA模型、ARMA模型中哪种模型进行故障预测；通过观察序列的自相关系数ACF和偏相关系数PACF初步确定模型的阶数，由于序列的自相关系数ACF和偏相关系数与各个模型之间有如下的关系：

对于MA(n)序列的自相关函数见式14，自相关函数在L大于n后ACF值为0，说明MA(n)模型关于自相关函数n阶截尾，而对于AR(m)和ARMA(m,n)序列的自相关函数为即序列的不能在确定的阶数后截尾，而是按照负指数率衰减，称之为拖尾；

序列的偏自相关函数PACF公式见式15，对于序列AR(m)的偏自相关函数见式(16)；

当L大于m时，AR(m)序列的PACF具有m阶截尾；MA(n)序列和ARMA(m，n)序列的偏自相关函数具有拖尾性；

根据自相关函数和偏自相关函数确定的模型阶数，需要对模型阶数进行优化，采用的模型阶数优化准则包括AIC准则和BIC准则，对于中心化的ARMA(m,n)模型，则AIC准则形式为：

BIC准则形式为：

式中为对应模型的最大似然估计值，样本容量为N，根据自相关与偏自相关函数可以得出ARMA模型的阶数都小于4，取m,n<4，对一阶差分后的数据进行建模计算AIC、BIC值；

最小二乘法参数估计

根据AIC准则与BIC准则求出m、n，利用表示m、n的结果值，并将其代入式13中得：

令Z_t＝[X_t-1,X_t-2,...,X_t-mτ_t-1,τ_t-2,...,τ_t-n]，将Z_t、β代入式(19)中得：

采用最小二乘法求模型中的未知参数β，所以求出模型的误差平方和最小的β值，具体计算结果见式(21)：

对函数F(β)求导，计算出参数β的估计值，

模型求解

将的结果值代入式(22)得预测模型求解公式；

模型检验

求出模型中所有未知参数并建立起ARMA模型，之后需要验证模型的准确性，采用残差检验的方法，理论上τ_t为服从均值为0的正态分布且为白噪声，计算上述模型的残差：

残差检验法主要是检验序列的随机性并且确定是否为白噪声，如果残差序列不满足随机性则需要对模型进行改进，记：

其中K为从K时刻开始进行预测，q为试验样本总量；构建χ²检验统计量：检验的假设为：H₀：当k≤L时，ρ_k＝0；H₁：对某些k≤L，ρ_k≠0，若H₀成立，χ²近似于χ²(p-r)分布，其中r为ARMA模型参数个数，在给定显著性水平α，当时，拒绝H₀，即认为τ_t不是白噪声，模型检验未通过，当时，接收H₀，即认为τ_t是白噪声，模型检验通过。

本发明的有益效果：

1本发明提供了一种圆盘式刀库机械手位置偏差监测装置，对圆盘式刀库换刀过程中机械手各项性能指标以及是否掉刀进行精确监测，为圆盘式刀库及机械手可靠性的研究及试验方法奠定了基础，适合于实验室可靠性台架试验。

2本发明独立设计了一种龙门式支架结构实现激光位移传感器的安装，以便于对机械手各个性能指标进行监测。

3本发明提供了一种对于圆盘式刀库机械手原点转角偏差的监测方法，通过两个激光位移传感器测量机械手在原点处换刀前后的位置偏差，再通过三角函数变换，确定出机械手在原点的偏角与传感器示数差的对应关系，实现对机械手原点转角偏差的监测。

4本发明提供了一种对于圆盘式刀库机械手扣刀点转角的监测方法，通过激光位移传感器测量机械手上转角辅助测量块在换刀前后Z向的位置偏差，确定出机械手在扣刀点的偏角与传感器示数差的对应关系，实现对机械手扣刀点转角的监测。

5本发明提供了一种对于圆盘式刀库是否掉刀的监测方法，通过两个光电开关的示数变化，反映出主轴处和刀盘上用于换刀的刀套处是否掉刀。

6本发明提出了一种基于ARMA模型的圆盘式刀库机械手故障预警方法，对机械手位置偏差指标的未来发展趋势做出预测，根据预测结果实现对圆盘式刀库机械手某种故障的预警。

附图说明

图1为本发明装置结构示意图。

图2为本发明装置结构示意图。

图3为本发明装置中激光位移传感器支架等轴测图。

图4为本发明装置中激光位移传感器支架结构示意图。

图5为本发明装置中光电开关支架等轴测图。

图6为本发明装置中激光位移传感器位置布局图。

图7为机械手原点转角监测原理图。

图8为机械手扣刀点转角监测原理图。

图9为本发明装置机械手上转角辅助测量块示意图。

图10为本发明装置中刀柄结构示意图。

图11为本发明装置中光电开关一位置布局图。

图12为本发明装置中光电开关二位置布局图。

图13为基于ARMA模型的故障预警流程图。

图14为圆盘式刀库机械手位置偏差监测试验流程图。

其中：1地平铁，2机械主轴支撑台，3机械主轴，4刀柄，5激光位移传感器支架，501底板，502立柱，503桁架，504垂直安装板三，505水平安装板一，506垂直安装板二，507垂直安装板一，508水平安装板二，509螺栓孔，6圆盘式刀库，7刀套，8光电开关支架，801磁力吸座，802水平支撑杆，803光电开关安装板，804铰链，805竖直支撑杆，9转角辅助测量块，10机械手，11刀库支撑台，12激光位移传感器五，13激光位移传感器二，14激光位移传感器一，15激光位移传感器四，16激光位移传感器三，17光电开关一，18光电开关二。

具体实施方式

实施例1

在本实施例中，以呼和浩特众环生产的圆盘式刀库作为被监测对象，该圆盘式刀库由三相交流电机带动刀盘传动系统实现刀盘的转位运动，采用三相减速电机带动弧面凸轮传动系统实现机械手的抓刀、拔刀、换刀、回原点的一系列运动，由三位四通电磁阀控制倒刀气缸完成倒刀、回刀的运动；圆盘式刀库的换刀流程为：刀盘选刀→气缸倒刀→机械手抓刀→机械手拔刀→机械手换刀→机械手插刀→机械手回原点→气缸回刀→完成。

一种圆盘式刀库机械手位置偏差监测装置，包括机械部分与信号监测部分，如图1和图2所示，其中机械部分包括地平铁1、机械主轴3、机械主轴支撑台2、激光位移传感器支架5、光电开关支架8、圆盘式刀库6、圆盘式刀库支撑台11、刀柄4、转角辅助测量块9，其中圆盘式刀库支撑台11通过螺栓固定在地平铁1的安装面上，并且圆盘式刀库支撑台11与地平铁1配合面具有四个U型槽，可以进行圆盘式刀库支撑台11在地平铁1上位置的调整，圆盘式刀库6通过螺栓固定在圆盘式刀库支撑台11右侧的安装板上，机械主轴支撑台2通过螺栓固定在圆盘式刀库支撑台11前方的地平铁1的安装平面上，且机械主轴支撑台2与地平铁1配合面具有四个U型槽，可以进行机械主轴支撑台2与地平铁1位置的调整，机械主轴3则通过螺栓固定在机械主轴支撑台2的面板上，刀柄4则插于机械主轴3上，激光位移传感器支架5固定在机械主轴3和圆盘式刀库6之间的地平铁1上，以实现对机械手各项性能参数的监测，一个光电开关支架8通过磁力吸座801连接在机械主轴3左侧的地平铁1上，且正对机械主轴3上的刀柄4，另一个光电开关支架8通过磁力吸座801连接在圆盘式刀库6右侧的地平铁1上，且正对圆盘式刀库6上的刀盘换刀口处，以实现对机械手10是否掉刀进行监测，机械手10安装于圆盘式刀库6上，转角辅助测量块9通过磁力吸座安装在圆盘式刀库6上的机械手10上，刀套7设置在圆盘式刀库6上；

如图3和图4所示，激光位移传感器支架5为独立设计的龙门式支架结构，包括底板501、立柱502、桁架503、垂直安装板三504、水平安装板一505、垂直安装板二506、垂直安装板一507和水平安装板二508，其中每个底板501上开设有一个U型槽，通过该U型槽将激光位移传感器支架5螺栓连接到地平铁1上，并且通过调整底板501在地平铁1上的位置，实现整个激光位移传感器支架5在前后方向上的调整，立柱502螺栓连接在底板501上，每个立柱502上方设有三个高度不同的螺栓孔509，桁架503通过两个立柱502上方的螺栓孔509螺栓连接在两个立柱502之间，位于机械手10上方，桁架503通过不同高度的螺栓孔509可以在立柱502的垂直方向上调整高度，每个立柱502上均开有U型槽，其中垂直安装板三504和水平安装板一505螺栓连接在一个立柱502上的U型槽内，水平安装板二508通过螺栓紧连接在另一个立柱502上的U型槽内，各个安装板均可以实现在立柱502上垂直方向上调整高度，桁架503水平方向上开设有U型槽，垂直安装板一507和垂直安装板二506螺栓紧固在桁架503上的U型槽内，垂直安装板一507和垂直安装板二506可以在桁架503水平方向调整位置，并且垂直安装板一507、垂直安装板二506上均开有U型槽，通过调整安装板螺栓在垂直安装板一507、垂直安装板二506上的U型槽中的位置实现垂直安装板一507、垂直安装板二506在竖直方向上调整高度，通过各个传感器安装板在各个方向上的调整，确定出监测机械手性能指标的最优位置。

如图5所示，光电开关支架8包括磁力吸座801、竖直支撑杆805、水平支撑杆802、铰链804和光电开关安装板803，其中竖直支撑杆805固定在磁力吸座801上，水平支撑杆802通过铰链804安装在竖直支撑杆805上，可以实现在竖直方向上的调整，光电开关安装板803上开有两个螺栓孔，上方螺栓孔与水平支撑杆802螺栓连接，光电开关安装板803下方的螺栓孔用于安装光电开关；

如图4、图6、图9、图10、图11、图12所示，信号监测部分包括激光位移传感器一14、激光位移传感器二13、激光位移传感器三16、激光位移传感器四15、激光位移传感器五12、光电开关一17和光电开关二18，其中激光位移传感器一14的感测头垂直向下安装在垂直安装板一507上，其激光束打在机械手10手臂上表面的转角辅助测量块9的斜面上；目的用以监测机械手10在每一次完成换刀动作时，其在扣刀点的转角与上一次换刀动作的偏差；通过激光位移传感器一14测量机械手10上转角辅助测量块9在换刀前后Z向的位置偏差，确定出机械手10在扣刀点的偏角与传感器示数差的对应关系，实现对机械手扣刀点转角偏差的监测；

激光位移传感器二13感测头垂直向下安装在垂直安装板二506上，其激光束打在机械手10手臂的上表面处，目的是监测机械手10在每一次完成换刀动作时，其扣刀点Z向位移与上一次换刀动作的偏差；

激光位移传感器三16竖直向上安装于垂直安装板三504上，其激光束打在机械手10手臂下平面处，目的是监测机械手10每次完成换刀动作时，其原点的Z向位移与上一次换刀动作的偏差；

激光位移传感器四15、激光位移传感器五12分别水平安装于水平安装板二508、水平安装板一505上，其激光束打在机械手10手爪端面上，目的是监测机械手10每次完成换刀动作时，其原点的转角与上一次换刀动作的偏差；通过两个激光位移传感器测量机械手10在原点处换刀前后的位置偏差，再通过三角函数变换，确定出机械手10在原点的偏角与传感器示数差的对应关系，实现对机械手10原点转角偏差的监测；

光电开关二18通过螺母紧固在连接在圆盘式刀库6右侧地平铁1上的光电开关支架8上，用于监测圆盘式刀库6换刀口处是否掉刀，光电开关一17通过螺母紧固在连接在机械主轴3左侧地平铁1上的光电开关支架8上，用于监测机械主轴3是否掉刀，通过两个光电开关的示数变化，反映出主轴处和刀盘上用于换刀的刀套处是否掉刀。

所述的圆盘式刀库6及其上的机械手10采用PLC控制。

光电开关的类型为漫反射型，将光电开关发出的光束对准主轴及换刀口处的刀柄，光电开关内的同步回路感应反射的光通过光电效应产生电流，根据电流的强弱来判断是否掉刀。例如，机械主轴3处有刀，圆盘式刀库6上的刀盘换刀口处无刀，则机械主轴3处光电开关产生的电流强，刀盘换刀口处光电开关产生的电流弱，当机械手10执行完换刀动作时，若机械主轴3处光电开关电流弱，刀盘换刀口处光电开关电流强，则说明没有发生掉刀故障，其他状态以此类推。

圆盘式刀库6中有弧面凸轮传动系统，Plc控制三相减速电机带动弧面凸轮传动系统实现机械手10的一系列拔刀，插刀的动作，其中弧面凸轮系统与机械手的连接：

整个圆盘式刀库中主要包括三相减速电机、输入轴、斜齿轮、平面沟槽凸轮、弧面凸轮、分度盘、摇臂杆、分度盘中心轴、机械手，主要是三相减速电机通过联轴器带动输入轴转动，输入轴上的斜齿轮铜鼓欧齿轮啮合带动平面沟槽凸轮与弧面凸轮，其中平面沟槽凸轮与弧面凸轮通过螺栓连接为一体，弧面凸轮与分度盘滚子共轭啮合，分度盘的中心轴与机械手连接，随着弧面凸轮的转动输出轴完成抓刀、换刀、回原点运动过程，摇臂杆上的滚针在平面沟槽凸轮中滚动从而带动摇臂杆上下摆动，完成拔刀、扣刀过程。

参阅图4与图6，考虑到机械手上下均为平面，采用激光位移传感器分别正对机械手上下两表面，用以分别测量机械手扣刀点Z向位移和原点Z向位移。

各个传感器采集到的数据通过数据采集卡传入上位机，通过labview编程，实现数据的标定、显示、存储及分析。

本发明同时提供一种采用上述圆盘式刀库机械手位置偏差监测装置的圆盘式刀库机械手故障预警方法，是一种基于ARMA模型的圆盘式刀库机械手故障预警方法，通过采集圆盘式刀库机械手位置偏差的历史数据以及当前状态数据，并对原始数据进行标准化处理及平稳性检验，初步确定ARMA模型的阶数以及模型未知参数，并进行阶数优化，从而建立圆盘式刀库机械手的ARMA模型，对圆盘式刀库机械手位置偏差的未来发展趋势作出预测。

为使采集到的数据具有均值为零且服从正态分布的特性，采用标准差标准化方法对原始数据进行处理，采用自相关函数检验法对数据进行平稳性检验；采用差分运算对数据进行平稳化处理；采用自相关系数ACF、偏自相关系数PACF进行初步定阶并根据AIC准则与BIC准则进行阶数优化；采用最小二乘法进行参数估计确定最终模型；采用残差检验法对模型进行检验。

本发明方法的原理：

圆盘式刀库的换刀流程为：刀盘选刀→气缸倒刀→机械手抓刀→机械手拔刀→机械手换刀→机械手插刀→机械手回原点→气缸回刀→完成。在换刀过程中，各类传感器开始工作，测得高精度位置数值，数值通过采集卡传送给上位机，再由上位机通过Labview编程，对数值进行标定，显示和存储。通过故障预警模型对数据进行分析，最终预测出圆盘式刀库机械手何时发生何种故障，并制定相应的维修策略。

自回归滑动平均模型简称ARMA模型，是一种随机时间序列模型，可以根据历史数据和当前数据找出相关规律且拟合出相应模型，实现对未来状态的预测。若某一时间序列{X_t}具有平稳性，零均值且服从正态分布等特点，则该序列用ARMA模型如式(1)拟合而成。

式中m表示自回归阶数，n表示滑动平均阶数，记为ARMA(m,n)，其中为自回归系数，θ_j为滑动平均系数，序列{τ_t}为白噪声，当m＝0时，ARMA(m,n)为MA模型；当n＝0时，ARMA(m,n)为AR模型。

本方法的具体工作步骤如下：

步骤一，机械手监测指标确定

目前机械手卡刀、掉刀故障最为常见，原因是由于机械手转位不到造成的，因机械手和ATC系统输出轴采用胀套连接，由于长期的抓刀、拔刀导致胀套松动，从而导致机械手出现转位偏差，与此同时，胀套松动也会导致机械手沿Z向发生窜动；针对上述机械手故障机理的分析，确定出需要监测的指标为机械手原点转角、机械手原点Z向位移、机械手扣刀点转角、机械手扣刀点Z向位移以及是否掉刀；

步骤二，监测方法确定

针对步骤一确定出的监测指标，制定具体的监测方法以及相应的监测范围，包括机械手原点转角监测方法、机械手扣刀点转角监测方法、机械手原点/扣刀点Z向位移监测方法以及掉刀监测方法；

步骤三，对机械手各项指标进行监测

采用上述一种圆盘式刀库机械手位置偏差监测装置进行监测，调整各安装板的位置以及其他部件在地平铁上的位置，以确保监测到机械手各个性能指标，将监测机械手各项性能指标及是否掉刀的各个传感器安装到正确位置，保证传感器相对位置准确；根据步骤二的监测方法，确定出相应的传感器，包括激光位移传感器以及光电开关，并且自主设计激光位移传感器支架，保证传感器相对位置准确；

步骤四，采集信号

圆盘式刀库运转，同时打开各激光位移传感器以及光电开关，进行信号的采集，采用数据采集卡采集各传感器测量的数据，数据采集卡与上位机通过电缆相连，数据则通过电缆传输到上位机中，在上位机中以Labview编程对各个传感器监测的信号进行标定，在上位机中通过Labview编程，进行各信号的显示以及预处理，每隔一小时手动记录一次各信号的最大值，最小值及均值，为后期分析数据做准备；

步骤五，数据管理

在上位机中通过Labview编程，进行数据管理及分析界面的设定，为实现监测数据的存储，建立一套完整的SQL数据库，而数据管理模块则实现所采集数据的存储和读取，采用Labview编程实现数据采集系统与SQL数据库之间的数据传输，采集到的信号通过传输到上位机中，可观察、保存或分析所采集信号的波形，也可通过外接USB接口将数据导出，为最终圆盘式刀库机械手故障预警提供依据；

步骤六，数据处理

首先对状态监测的性能指标数据进行标准化处理和平稳性检验，若时间序列不平稳时，则对该数据通过差分运算进行平稳化处理，初步确定ARMA模型的阶数以及模型未知参数从而建立ARMA模型；之后，根据模型的残差对模型精度进行检验，若检验未通过则需要对模型进行优化重新确定模型阶数以及模型参数；如果通过检验则采用该模型对圆盘式刀库机械手相应性能指标的未来发展趋势做出预测，根据预测结果实现对圆盘式刀库机械手某种故障的预测。

所述的圆盘式刀库机械手故障预警方法步骤六中数据处理包括如下步骤：

步骤一，数据标准化处理

若序列不满足零均值且服从正态分布这两个条件，因此要想使用ARMA模型建立机械手位移偏差的预警模型就必须对原始数据进行标准化处理，使得该数据服从正态分布，采用标准差标准化方法对数据进行标准化处理，标准公式见式(6)：

式中X_t为时间序列，表示标准化处理后的值，μ表示{X_t}序列的均值，σ为{X_t}的标准差；

步骤二，数据平稳性检验

根据上述标准化处理后，原始数据满足零均值、服从正态分布特点，但ARMA模型需保证数据平稳性，因此采用自相关函数检验法：

自相关函数检验法

从序列中抽取一个样本，样本容量为N，则该时间序列的均值可以用样本的均值进行计算：

该序列的自协方差函数如下：

样本的自相关计算公式如下：

上式中N为样本容量，X_t为t时刻的采样点，为样本均值，L为从某一时刻进行时间序列L步的预测，当L不断增大时，假如衰减速度很快且趋于零，则认为该序列平稳；如果衰减速度非常慢，则认为该序列非平稳；

平稳化处理——差分运算

当某一时间序列不平稳时，采用差分运算对序列进行平稳化处理，序列中相邻的量做减法运算称为一阶差分运算：

对一阶差分得到的序列再进行一次差分运算称为二阶差分，记X_t为X_t的二阶差分：

以此类推，对X_t进行k阶差分，记为：

若序列具有线性趋势，一阶差分可以使序列平稳化，若序列具有曲线趋势，二阶或三阶差分可以实现序列的平稳化，从而消除曲线趋势的影响；

步骤三，模型建立

设时间序列输入为X＝{X₁,X₂,....,X_t}，其期望输出为Y_t＝{Y₁,Y₂,...,Y_t}，建立基于ARMA的故障预测模型，根据本发明原理部分中的式1则得：

式中是预测模型的输出结果，式中的未知参数为m、n决定了ARMA模型的阶数，针对模型阶数采用自相关系数ACF、偏自相关系数PACF进行初步定阶，之后根据AIC准则与BIC准则进行阶数优化，式中未知参数{θ₁ θ₂ ... θ_i ... θ_n}采用最小二乘法进行参数估计；

模型定阶

模型定阶是为了确定采用AR模型、MA模型、ARMA模型中哪种模型进行故障预测；通过观察序列的自相关系数ACF和偏相关系数PACF初步确定模型的阶数，由于序列的自相关系数ACF和偏相关系数与各个模型之间有如下的关系：

对于MA(n)序列的自相关函数见式14，自相关函数在L大于n后ACF值为0，说明MA(n)模型关于自相关函数n阶截尾，而对于AR(m)和ARMA(m,n)序列的自相关函数为即序列的不能在确定的阶数后截尾，而是按照负指数率衰减，称之为拖尾；

序列的偏自相关函数PACF公式见式15，对于序列AR(m)的偏自相关函数见式(16)；

当L大于m时，AR(m)序列的PACF具有m阶截尾；MA(n)序列和ARMA(m，n)序列的偏自相关函数具有拖尾性；

根据自相关函数和偏自相关函数确定的模型阶数，需要对模型阶数进行优化，采用的模型阶数优化准则包括AIC准则和BIC准则，对于中心化的ARMA(m,n)模型，则AIC准则形式为：

BIC准则形式为：

式中为对应模型的最大似然估计值，样本容量为N，根据自相关与偏自相关函数可以得出ARMA模型的阶数都小于4，取m,n<4，对一阶差分后的数据进行建模计算AIC、BIC值；

最小二乘法参数估计

根据AIC准则与BIC准则求出m、n，利用表示m、n的结果值，并将其代入式(13)中得：

令Z_t＝[X_t-1,X_t-2,...,X_t-m τ_t-1,τ_t-2,...,τ_t-n]，将Z_t、β代入式(19)中得：

采用最小二乘法求模型中的未知参数β，所以求出模型的误差平方和最小的β值，具体计算结果见式(21)：

对函数F(β)求导，计算出参数β的估计值，

模型求解

将的结果值代入式(22)得预测模型求解公式；

模型检验

求出模型中所有未知参数并建立起ARMA模型，之后需要验证模型的准确性，采用残差检验的方法，理论上τ_t为服从均值为0的正态分布且为白噪声，计算上述模型的残差：

残差检验法主要是检验序列的随机性并且确定是否为白噪声，如果残差序列不满足随机性则需要对模型进行改进，记：

其中K为从K时刻开始进行预测，q为试验样本总量；构建χ²检验统计量：检验的假设为：H₀：当k≤L时，ρ_k＝0；H₁：对某些k≤L，ρ_k≠0，若H₀成立，χ²近似于χ²(p-r)分布，其中r为ARMA模型参数个数，在给定显著性水平α，当时，拒绝H₀，即认为τ_t不是白噪声，模型检验未通过，当时，接收H₀，即认为τ_t是白噪声，模型检验通过。

图7为机械手原点转角监测原理图，O点代指机械手主轴中心，A1-O-A2代指机械手刀臂无偏差时刀臂位置，B1-O-B2代指机械手刀臂转位发生偏差后位置，∠A₁OB₁为机械手转位偏角α，E、F分别代指激光位移传感器位置，L1-1(L1-2)、L2-1(L2-2)分别代指机械手手爪端面，FC(FM)、ED(EN)分别为激光位移传感器测试距离：

根据三角函数关系可求出：

式中，Δ₀为机械手刀臂无偏差时两激光位移传感器测试距离之差，Δ₁为机械手刀臂偏差α角度时两激光位移传感器测试距离之差，即有：

Δ＝l₀·tanα··················式(3)

式中，Δ表示传感器示数差与初始时传感器示数差之间的差值，式(2)说明，用激光位移传感器测试距离之差代指机械手转位偏差是合理的，且传感器测试距离之差与机械手转位偏差正切成线性关系，数据处理简单；具体实施方式参阅图4，考虑到机械手手爪端部为平面，所以使激光位移床传感器四、五将其激光束分别打在机械手手爪端部平面，用以监测机械手原点转角偏差。

图8为机械手扣刀点转角监测原理图，O点代指机械手主轴中心，AO＝BO为转角辅助测量块到机械手主轴中心的距离，∠AOB为机械手转位偏角α，C代指激光位移传感器位置，假设激光位移传感器测得到测量块的初始距离为X1,当机械手第二次到扣刀点时测得到测量块的距离为X2，因此两位置偏差为：X1-X2＝X，说明测量块旋转平移了X；由于X为直线AB之间的距离，为了求机械手在扣刀点的转角偏差α，需求得弧长AB的长度，且当α足够小时，AO足够大，弧AB可以由直线AB所代替，因此根据公式：

可以求得机械手在扣刀点位移的偏差，具体实现方式参阅图4，自主加工一个转角辅助测量块，通过磁力吸座固定在机械手上表面，激光位移传感器一将激光束打在转角辅助测量块上，用以监测机械手扣刀点转角偏差。

机械手原点/扣刀点Z向位移监测方法就是激光位移传感器垂直打在需要测量的点上，然后记录两次数据的差值。

Claims (4)

1.一种圆盘式刀库机械手位置偏差监测装置，其特征在于包括机械部分与信号监测部分，

其中机械部分包括地平铁(1)、机械主轴支撑台(2)、机械主轴(3)、刀柄(4)、激光位移传感器支架(5)、圆盘式刀库(6)、光电开关支架(8)、转角辅助测量块(9)和圆盘式刀库支撑台(11)，其中圆盘式刀库支撑台(11)固定在地平铁(1)的安装面上，并且圆盘式刀库支撑台(11)与地平铁(1)配合面具有U型槽，圆盘式刀库(6)固定在圆盘式刀库支撑台(11)右侧的安装板上，机械主轴支撑台(2)固定在圆盘式刀库支撑台(11)前方的地平铁(1)的安装平面上，且机械主轴支撑台(2)与地平铁(1)配合面设置有U型槽，机械主轴(3)则固定在机械主轴支撑台(2)的面板上，刀柄(4)插于机械主轴(3)上，激光位移传感器支架(5)固定在机械主轴(3)和圆盘式刀库(6)之间的地平铁(1)上，以实现对机械手各项性能参数的监测，一个光电开关支架(8)通过磁力吸座(801)连接在机械主轴(3)左侧的地平铁(1)上，且正对机械主轴(3)上的刀柄(4)，另一个光电开关支架(8)通过磁力吸座(801)连接在圆盘式刀库(6)右侧的地平铁(1)上，且正对圆盘式刀库(6)上的刀盘换刀口处，以实现对机械手(10)是否掉刀进行监测，机械手(10)安装于圆盘式刀库(6)上，转角辅助测量块(9)通过磁力吸座安装在圆盘式刀库(6)上的机械手(10)上，刀套(7)设置在圆盘式刀库(6)上；

激光位移传感器支架(5)包括底板(501)、立柱(502)、桁架(503)、垂直安装板三(504)、水平安装板一(505)、垂直安装板二(506)、垂直安装板一(507)和水平安装板二(508)，其中每个底板(501)上开设有一个U型槽，通过该U型槽将激光位移传感器支架(5)螺栓连接到地平铁(1)上，并且通过调整底板(501)在地平铁(1)上的位置，实现整个激光位移传感器支架(5)在前后方向上的调整，立柱(502)螺栓连接在底板(501)上，立柱(502)上方设有高度不同的螺栓孔(509)，桁架(503)通过两个立柱(502)上方的螺栓孔(509)螺栓连接在两个立柱(502)之间，且位于机械手(10)上方，桁架(503)通过不同高度的螺栓孔(509)可以在立柱(502)的垂直方向上调整高度，每个立柱(502)上均开有U型槽，其中垂直安装板三(504)和水平安装板一(505)螺栓连接在一个立柱(502)上的U型槽内，水平安装板二(508)通过螺栓连接在另一个立柱(502)上的U型槽内，各个安装板均可以实现在立柱(502)垂直方向上调整高度，桁架(503)水平方向上开设有U型槽，垂直安装板一(507)和垂直安装板二(506)螺栓紧固在桁架(503)上的U型槽内，垂直安装板一(507)和垂直安装板二(506)可以在桁架(503)水平方向调整位置，并且垂直安装板一(507)、垂直安装板二(506)上均开有U型槽，通过调整安装板螺栓在垂直安装板一(507)、垂直安装板二(506)上的U型槽中的位置实现垂直安装板一(507)、垂直安装板二(506)在竖直方向上高度的调整；

光电开关支架(8)包括磁力吸座(801)、水平支撑杆(802)、光电开关安装板(803)、铰链(804)和竖直支撑杆(805)，其中竖直支撑杆(805)固定在磁力吸座(801)上，水平支撑杆(802)通过铰链(804)安装在竖直支撑杆(805)上，可以实现在竖直方向上的调整，光电开关安装板(803)上开有两个螺栓孔，上方螺栓孔与水平支撑杆(802)螺栓连接，光电开关安装板(803)下方的螺栓孔用于安装光电开关；

信号监测部分包括激光位移传感器一(14)、激光位移传感器二(13)、激光位移传感器五(12)、激光位移传感器四(15)、激光位移传感器三(16)、光电开关一(17)和光电开关二(18)，其中激光位移传感器一(14)的感测头垂直向下安装在垂直安装板一(507)上，其激光束打在机械手(10)手臂上表面的转角辅助测量块(9)的斜面上；

激光位移传感器二(13)感测头垂直向下安装在垂直安装板二(506)上，其激光束打在机械手(10)手臂的上表面处；激光位移传感器三(16)竖直向上安装于垂直安装板三(504)上，其激光束打在机械手(10)手臂下平面处；激光位移传感器四(15)、激光位移传感器五(12)分别水平安装于水平安装板二(508)、水平安装板一(505)上，其激光束打在机械手(10)手爪端面上；

光电开关二(18)紧固在圆盘式刀库(6)右侧地平铁(1)上的光电开关支架(8)上，用于监测圆盘式刀库(6)换刀口处是否掉刀，光电开关一(17)紧固在连接在机械主轴(3)左侧地平铁(1)上的光电开关支架(8)上，用于监测机械主轴(3)是否掉刀。

2.根据权利要求1所述的一种圆盘式刀库机械手位置偏差监测装置，其特征在于所述的圆盘式刀库(6)及其上的机械手(10)采用PLC控制。

3.本发明同时提供一种采用权利要求1所述的一种圆盘式刀库机械手位置偏差监测装置的圆盘式刀库机械手故障预警方法，是一种基于ARMA模型的圆盘式刀库机械手故障预警方法，通过采集圆盘式刀库机械手位置偏差的历史数据以及当前状态数据，并对原始数据进行标准化处理及平稳性检验，初步确定ARMA模型的阶数以及模型未知参数，并进行阶数优化，从而建立圆盘式刀库机械手的ARMA模型，对圆盘式刀库机械手位置偏差的未来发展趋势作出预测；

为使采集到的数据具有均值为零且服从正态分布的特性，采用标准差标准化方法对原始数据进行处理，采用自相关函数检验法对数据进行平稳性检验；采用差分运算对数据进行平稳化处理；采用自相关系数ACF、偏自相关系数PACF进行初步定阶并根据AIC准则与BIC准则进行阶数优化；采用最小二乘法进行参数估计确定最终模型；采用残差检验法对模型进行检验；具体工作步骤如下：

步骤一，机械手监测指标确定

针对机械手故障机理的分析，确定出需要监测的指标为机械手原点转角、机械手原点Z向位移、机械手扣刀点转角、机械手扣刀点Z向位移以及是否掉刀；

步骤二，监测方法确定

针对步骤一确定出的监测指标，制定具体的监测方法以及相应的监测范围，包括机械手原点转角监测方法、机械手扣刀点转角监测方法、机械手原点/扣刀点Z向位移监测方法以及掉刀监测方法；

步骤三，对机械手各项指标进行监测

采用上述一种圆盘式刀库机械手位置偏差监测装置进行监测，调整各安装板的位置以及其他部件在地平铁上的位置，以确保监测到机械手各个性能指标，将监测机械手各项性能指标及是否掉刀的各个传感器安装到正确位置，保证传感器相对位置准确；根据步骤二的监测方法，确定出相应的传感器，包括激光位移传感器以及光电开关，并且自主设计激光位移传感器支架，保证传感器相对位置准确；

步骤四，采集信号

圆盘式刀库运转，同时打开各激光位移传感器以及光电开关，进行信号的采集，采用数据采集卡采集各传感器测量的数据，数据采集卡与上位机通过电缆相连，数据则通过电缆传输到上位机中，在上位机中以Labview编程对各个传感器监测的信号进行标定，在上位机中通过Labview编程，进行各信号的显示以及预处理，每隔一小时手动记录一次各信号的最大值，最小值及均值，为后期分析数据做准备；

步骤五，数据管理

在上位机中通过Labview编程，进行数据管理及分析界面的设定，为实现监测数据的存储，建立一套完整的SQL数据库，而数据管理模块则实现所采集数据的存储和读取，采用Labview编程实现数据采集系统与SQL数据库之间的数据传输，采集到的信号通过传输到上位机中，可观察、保存或分析所采集信号的波形，也可通过外接USB接口将数据导出，为最终圆盘式刀库机械手故障预警提供依据；

步骤六，数据处理

首先对状态监测的性能指标数据进行标准化处理和平稳性检验，若时间序列不平稳时，则对该数据通过差分运算进行平稳化处理，初步确定ARMA模型的结束以及模型未知参数从而建立ARMA模型；之后，根据模型的残差对模型精度进行检验，若检验未通过则需要对模型进行优化重新确定模型阶数以及模型参数；如果通过检验则采用该模型对圆盘式刀库机械手相应性能指标的未来发展趋势做出预测，根据预测结果实现对圆盘式刀库机械手某种故障的预测。

4.根据权利要求3所述的圆盘式刀库机械手故障预警方法，其特征在于所述的圆盘式刀库机械手故障预警方法步骤六中数据处理包括如下步骤：

步骤一，数据标准化处理

若序列不满足零均值且服从正态分布这两个条件，因此要想使用ARMA模型建立机械手位移偏差的预警模型就必须对原始数据进行标准化处理，使得该数据服从正态分布，采用标准差标准化方法对数据进行标准化处理，标准公式见式(6)：

式中X_t为时间序列，表示标准化处理后的值，μ表示{X_t}序列的均值，σ为{X_t}的标准差；

步骤二，数据平稳性检验

根据上述标准化处理后，原始数据满足零均值、服从正态分布特点，但ARMA模型需保证数据平稳性，因此采用自相关函数检验法：

自相关函数检验法

从序列中抽取一个样本，样本容量为N，则该时间序列的均值可以用样本的均值进行计算：

该序列的自协方差函数如下：

样本的自相关计算公式如下：

上式中N为样本容量，X_t为t时刻的采样点，为样本均值，L为从某一时刻进行时间序列L步的预测，当L不断增大时，假如衰减速度很快且趋于零，则认为该序列平稳；如果衰减速度非常慢，则认为该序列非平稳；

平稳化处理——差分运算

当某一时间序列不平稳时，采用差分运算对序列进行平稳化处理，序列中相邻的量做减法运算称为一阶差分运算：

▽X_t＝X_t-X_t-1·························式(10)

对一阶差分得到的序列再进行一次差分运算称为二阶差分，记▽²X_t为X_t的二阶差分：

▽²X_t＝▽X_t-▽X_t-1·······················式(11)

以此类推，对X_t进行k阶差分，记为：

▽^kX_t＝▽^k-1X_t-▽^k-1X_t-1····················式(12)

若序列具有线性趋势，一阶差分可以使序列平稳化，若序列具有曲线趋势，二阶或三阶差分可以实现序列的平稳化，从而消除曲线趋势的影响；

步骤三，模型建立

设时间序列输入为X＝{X₁,X₂,....,X_t}，其期望输出为Y_t＝{Y₁,Y₂,...,Y_t}，建立基于ARMA的故障预测模型，根据说明书中发明原理部分中的式(1)则得：

式中是预测模型的输出结果，式中的未知参数为m、n决定了ARMA模型的阶数，针对模型阶数采用自相关系数ACF、偏自相关系数PACF进行初步定阶，之后根据AIC准则与BIC准则进行阶数优化，式中未知参数{θ₁ θ₂...θ_i...θ_n}采用最小二乘法进行参数估计；

模型定阶

模型定阶是为了确定采用AR模型、MA模型、ARMA模型中哪种模型进行故障预测；通过观察序列的自相关系数ACF和偏相关系数PACF初步确定模型的阶数，由于序列的自相关系数ACF和偏相关系数与各个模型之间有如下的关系：

对于MA(n)序列的自相关函数见式(14)，自相关函数在L大于n后ACF值为0，说明MA(n)模型关于自相关函数n阶截尾，而对于AR(m)和ARMA(m,n)序列的自相关函数为即序列的不能在确定的阶数后截尾，而是按照负指数率衰减，称之为拖尾；

序列的偏自相关函数PACF公式见式(15)，对于序列AR(m)的偏自相关函数见式(16)；

当L大于m时，AR(m)序列的PACF具有m阶截尾；MA(n)序列和ARMA(m，n)序列的偏自相关函数具有拖尾性；

根据自相关函数和偏自相关函数确定的模型阶数，需要对模型阶数进行优化，采用的模型阶数优化准则包括AIC准则和BIC准则，对于中心化的ARMA(m,n)模型，则AIC准则形式为：

BIC准则形式为：

式中为对应模型的最大似然估计值，样本容量为N，根据自相关与偏自相关函数可以得出ARMA模型的阶数都小于4，取m,n<4，对一阶差分后的数据进行建模计算AIC、BIC值；

最小二乘法参数估计

根据AIC准则与BIC准则求出m、n，利用表示m、n的结果值，并将其代入式(13)中得：

令Z_t＝[X_t-1,X_t-2,...,X_t-mτ_t-1,τ_t-2,...,τ_t-n]，将Z_t、β代入式(19)中得：

采用最小二乘法求模型中的未知参数β，所以求出模型的误差平方和最小的β值，具体计算结果见式(21)：

对函数F(β)求导，计算出参数β的估计值，

模型求解

将的结果值代入式(22)得预测模型求解公式；

模型检验

求出模型中所有未知参数并建立起ARMA模型，之后需要验证模型的准确性，采用残差检验的方法，理论上τ_t为服从均值为0的正态分布且为白噪声，计算上述模型的残差：

残差检验法主要是检验序列的随机性并且确定是否为白噪声，如果残差序列不满足随机性则需要对模型进行改进，记：

其中K为从K时刻开始进行预测，q为试验样本总量；构建χ²检验统计量：检验的假设为：H₀：当k≤L时，ρ_k＝0；H₁：对某些k≤L，ρ_k≠0，若H₀成立，χ²近似于χ²(p-r)分布，其中r为ARMA模型参数个数，在给定显著性水平α，当时，拒绝H₀，即认为τ_t不是白噪声，模型检验未通过，当时，接收H₀，即认为τ_t是白噪声，模型检验通过。